土地利用/覆盖变化(Land use and land cover change, LUCC)的研究对于深刻理解区域气候和生态系统的健康发展至关重要^[1—2]。沿海湿地是湿地生态系统的关键组成部分, 把握着海洋与陆地之间平衡发展的命脉, 同时也是“蓝碳”生态系统的重要组成部分^[3]。然而, 由于资源的过度开发, 沿海湿地已经演变成为全球最脆弱的生态系统之一^[4]。目前沿海湿地面临的严重危机可归纳为两个方面：一方面是人类掠夺性开发活动引发的破坏, 主要表现为农业开垦、围塘养殖等^[5]；另一方面是外来物种入侵, 以互花米草为代表的外来入侵植被严重影响了本土植物生长繁殖^[6]。这些问题为湿地的健康发展带来了巨大的挑战。因此, 准确并及时地监测湿地LUCC成为保护湿地健康发展的迫切需求。

目前多个已公开的数据集(如Globeland 30、CAS_Wetlands、FROM-GLC10等)通常将湿地归为单一类别, 无法满足对湿地内部LUCC的精细化研究需求。在公开数据集受限情况下, 多数学者基于光学影像进行研究^[7—8]。然而, 由于光学传感器搭载的波段无法穿透云层, 遇到云雾雨雪等天气条件时, 所获取的光学影像往往出现质量问题甚至数据不可用, 从而导致多云多雨多雾的沿海地区监测工作受到了极大的限制。因此, 在大多数基于光学影像的LUCC研究中, 普遍选择一年中的单景或少数影像作为代表进行土地利用分类, 这种方式分类的结果受数据获取时间影响严重, 且由于异常像素值易导致地物监测结果不连续。尤其是对于沿海湿地, 植被类型复杂, 受植被生长期影响, 不同时期地物类型的差异较大, 少数影像无法精确反映湿地地物年际分布变化^[9]。合成孔径雷达(Synthetic aperture radar, SAR)数据具有波段长、穿透性强等特点, 基本不受天气因素的影响, 可以实现长时间序列监测, 其派生的后向散射特征为湿地地物分类提供了理论依据^[10—11]。利用长时序特征进行地物分类, 综合考量了各个植被生长的物候期, 可以更准确地反映地物分布的年际差异。

LUCC模拟突破了仅关注当前状态的规划、评价与政策制定瓶颈, 为土地利用规划和管理提供有效参考。在LUCC模拟研究中, 演化的驱动因素至关重要, 不同区域的LUCC模拟驱动因素差异性较大。湿地普遍以多样性植被覆盖为主, 类似GDP(Gross domestic product)、人口数量等人文因素对湿地LUCC的影响较小。通过探讨不同驱动因素在其演化过程中的重要性, 并更合理地将其引入预测模型, 可以获得更为精确的模拟结果。CA-Markov(Cellular automata-markov)模型是目前最典型、最常用的LUCC研究模型之一, 可以实现对未来LUCC模式的预测^[12—13]。在使用CA-Markov模型进行土地模拟时, 除了直接利用两期土地变化产生的Markov矩阵进行模拟外, 通常还会利用驱动力因素生成MCE(Multi-criteria evaluation)适宜性图集使预测结果更加贴近真实情景^[14—15]。目前的研究普遍采用层次分析法^[16]、Logistic回归^[17—18]或者ANN(Artificial neural network)模型^[19—20]等探究驱动力因素重要性。然而, 在此过程中, 基于单个年份分类结果人为设定权重, 无法综合考虑驱动因素对演化过程的重要性。在机器学习不断发展的背景下, 通过综合考虑土地利用变化差异对驱动因素权重的合理划分, 以增加预测可靠性与准确性是十分必要的。

黄河三角洲湿地作为《湿地公约》中的国际重要湿地之一, 是中国最完整、最广阔、最年轻的滨海湿地^[21], 但近些年饱受入侵物种互花米草的威胁。由于互花米草繁衍能力强, 且缺乏天敌, 其在沿海滩涂区域迅速扩张, 压缩本土盐沼植被生存空间, 导致滨海湿地生态系统退化、生物多样性降低, 给当地的生态稳定性、生物多样性及生态系统健康可持续发展带来了巨大压力。同时, 泛滥的互花米草占据大量航道空间, 阻塞船只通行, 间接性地对其他产业造成负面影响。为遏制互花米草的扩散态势, 保护滨海湿地资源, 中国林草局出台了《互花米草防治专项行动计划(2022—2025年)》, 旨在全面防控互花米草危害, 力争在2025年将互花米草彻底清除^[22]。目前大规模的互花米草清理工作已经展开, 湿地的生态格局将发生显著变化^[23]。通过互花米草治理, 可以有效缓解本土盐沼植被生存压力, 维系湿地生态平衡及健康可持续发展。然而, 现阶段互花米草清理工作为黄河三角洲湿地带来的生态效益及潜在风险缺乏详细研究。本文通过获取模拟和真实情景下湿地利用/覆盖变化结果, 运用景观格局指数定量化研究自然发展情景下与人工治理互花米草后真实情景下黄河三角洲湿地生态格局差异, 着重分析互花米草治理工作对本土植被带来的生态效益, 并探究未来湿地存在的潜在风险, 以期为后续湿地管理及资源合理配置提供有效参考。

1 研究区与数据源 1.1 研究区概况

研究区为黄河三角洲国家级自然保护区(图 1, 数据来源：中国自然保护区标本资源共享平台的地理信息库栏目), 位于山东省东营市内, 北临渤海湾, 东靠莱州湾, 地势平坦, 地处暖温带, 属半湿润大陆性季风气候, 四季差异明显, 年降水量约500mm^[24]。区域内植被类型丰富, 景观类型多样。

根据黄河三角洲湿地监测及面向植被的生态格局评价的需求, 将研究区地类详细划分为互花米草、芦苇、柽柳、农田、滩涂、建筑或裸地和水体七类。于2021年4月29日和2021年11月12日进行了野外现场调查, 利用手机和大疆精灵4无人机获取现场实测数据, 拍摄了各类地物实地影像。由于现场可采集的样本数目有限, 通过随机点生成策略在研究区内生成若干个随机点, 然后通过人工判读对样本进行归类, 实现对分类样本的补充。样本归类时参考了天地图影像、光学影像以及其他学者的研究成果^{[6, 25—26]}, 最终共采集样本449个, 其中70%样本用于训练, 30%用于验证。各地物样本数量在图 1右图中显示。

1.2 数据源 1.2.1 卫星影像数据

Sentinel-1A雷达卫星于2014年4月3日由欧空局发射, 在C波段工作, 中低纬度地区包含VH(Vertical and horizontal)和VV(Vertical and vertical)两种极化方式, 幅宽模式为IW(Interferometric Wide), 消除距离向方位向噪声后的地距多视影像(Ground range detected, GRD)分辨率可达10m。实验使用了2020—2023年每年可获取的同轨Sentinel-1A GRD作为数据源(轨道号69, 条带号142, 升轨)。2020年及2021年的影像数量分别为30景和28景。受数据源限制, 2022年和2023年的影像数量分别为18景和19景。

1.2.2 驱动因素数据

由于黄河三角洲湿地国家级自然保护区内多以植被覆盖为主, 人口稀少, 几乎无固定居民区, 通过归纳相关研究并结合湿地实际情况^{[14, 27—31]}, 本研究将驱动因素体系划分为地形、气候环境及距离等3大类共12小类(表 1), 如图 2所示。受研究区地理位置影响, 本研究将部分靠近海面的DEM值为空的区域赋为0值。

2 研究方法

为分析互花米草治理对黄河三角洲湿地利用模式及景观格局造成的影响及变化, 本文首先利用随机森林算法和时序Sentinel-1 SAR数据获取了2020—2023年黄河三角洲湿地的精细分类结果；然后利用机器学习方法探究影响湿地演化的驱动因素权重, 结合驱动因素和CA-Markov实现更精确的2023年湿地分类模拟预测。最后分析了模拟情景下(2023年模拟预测结果)和真实情景下(2023年湿地精细分类结果)湿地景观格局指数差异, 分析互花米草治理生态效益及未来潜在风险。本研究总体框架如图 3所示。

2.1 湿地分类方法

Sentinel-1A数据基于Google Earth Engine(GEE)平台获取, 并在GEE平台对数据分别进行影像配准、影像滤波、辐射定标和地理编码, 得到VH/VV极化下的时序后向散射系数图, 并形成时序特征堆栈。随机森林分类器(Random forest, RF)^[32]是通过集成学习的思想将多棵树集成的一种算法, 它的基本单元是决策树。每棵决策树都是一个分类器, 那么对于一个输入样本, N棵树会有N个分类结果。相较于支持向量机和CART决策树等方法, 随机森林具有更好的泛化性和学习能力, 抗噪效果更佳^[33], 因此选择随机森林分类器对特征堆栈进行分类, 以得到湿地分类结果。

2.2 改进的CA-Markov模型

CA-Markov模型是通过融合来自不同时间和空间尺度的信息, 并计算已知信息, 以探索土地未来模式的模拟模型, CA模型可表达复杂空间系统时空演化格局的强大能力有效弥补了Markov模型的不足。相较于PLUS和FLUS等其他预测模型, CA-Markov模型着重考虑了土地利用变化过程中的空间自相关性, 具有预测精度高、空间分布格局可视化的优点^[34—35]。其中Markov模型是对不同时期系统状态转移的定量描述, 通过该模型对土地利用转换过程进行研究, 可以获得不同时期土地利用类型之间的面积转移矩阵和转移概率矩阵^[36—37]。其数学公式为：

(1)

(2)

式中, i, j＝1, 2, ..., n分别代表转移前后的土地利用类型；S_ij表示土地利用面积转移矩阵；P_ij表示土地利用面积转移概率矩阵。

元胞自动机(Cellular automata, CA)^[38]是一种时间、空间、状态都离散, 空间相互作用和时间因果关系为局部的网格动力学模型。CA模型中散布在规则格网中的每个元胞取有限的离散状态, 遵循同样作用规则, 依据确定的局部规则作同步更新, 其优点在于能够通过定义局部的元胞邻近关系, 使用相对简单局部转换规则, 实现复杂系统的时空动态变化模拟。模型公式为：

(3)

式中, S_t+1表示元胞在下一时刻的状态；S_t表示元胞在上一时刻的状态；N_i表示元胞邻域；f_i表示局部空间元胞转换规则。

模拟过程中, CA-Markov模型是使用转换面积矩阵来确定细胞状态的转移, 模拟预测土地的空间变化趋势, 仅根据两期土地利用变化差异对湿地未来进行预测缺乏对真实情况的考虑。在预测过程中, 可以通过制作MCE适宜性图集使模拟结果更贴近真实情况。随机森林除了可用于分类外, 其树结构的特点还可以提供每个特征的重要性分数, 这个分数反映了每个特征对模型预测准确性的贡献程度。同样, 在随机森林模型中输入两期湿地利用/覆盖变化结果及驱动力因素, 也可以获取驱动力因素的重要性分数。在无极端情况发生时, 短期内驱动力因素不会出现显著改变, 因此其短期内对湿地地物转换的影响呈相似性。基于此, 本研究构建了一种基于机器学习改进的CA-Markov湿地短期模拟预测方法用于黄河三角洲湿地自然发展情景模拟(图 4), 在进行预测前, 首先利用随机森林和湿地利用/覆盖变化结果定量获取驱动力因素权重值, 然后基于驱动力权重值生成MCE适宜性图集, 并输入CA-Markov模型中, 以实现更符合湿地实际发展规律的模拟预测。

2.3 景观格局指数

景观指数是一种简单的定量指标, 能够高度浓缩景观格局的空间信息, 反映景观的结构组成和空间特征^[39—40]。对于黄河三角洲湿地, 其最严重的问题是互花米草长期占据大量本土植被生存空间, 形成互花米草“围栏”, 缩减本土植被的生存空间, 限制本土植被生长繁殖。综合考虑以上因素, 通过景观格局指数^[41—44](表 2)分析互花米草治理前后湿地生态格局变化。选取的景观格局指标包括聚合度指数(Aggregation Index, AI)、最大斑块面积指数(Largest Path Index, LPI)、斑块密度(Patch Density, PD)及景观形状指数(Landscape shape index, LSI)。聚合度指数可以反映清理工作对互花米草“围栏”突破的成效；最大斑块面积指数可以反映互花米草和本土植被之间景观优势变化以及互花米草清理工作对本土植被生长空间的正向价值；斑块密度和景观形状指数可以由两个角度分析湿地地物的破碎趋势变化, 共同反映互花米草清理工作实施后植被的破碎化趋势。

3 结果 3.1 湿地分类结果及精度验证

图 5显示了2020—2023年湿地分类结果, 利用混淆矩阵验证湿地分类精度。由于可获取的影像数量存在差异, 因此分别对2020年(表 3)及2022年(表 4)进行两次验证。2020年湿地分类总体精度和Kappa系数分别达到了96.309%和0.954。2022年湿地分类的总体精度和Kappa系数分别达到了92.670%和0.909, 虽低于2020年, 但精度也能满足滨海湿地LUCC研究需求。

3.2 湿地模拟

首先基于2020年及2021年湿地分类结果, 利用随机森林模型可视化了驱动力因素对湿地演化的影响权重(表 5)。距离因素对湿地地类分布的影响权重更高, 而自然因素中, 由于互花米草主要分布于潮湿、阴冷的沿海滩涂上, 湿度、日照时数对互花米草的影响权重较大, 而气温对芦苇、柽柳以及滩涂的分布起重要作用。其它自然因素的影响相对均衡, 由于研究区地势平缓, 地形因素的影响相对较小。

基于各驱动因素权重值, 生成MCE适宜性图集, 并将其引入CA-Markov模型中。利用本文方法预测了2022年湿地格局分布。在这个阶段内, 互花米草清理工作尚未展开, 对湿地的人为干预相对较小, 符合自然发展规律。同时, 利用未考虑驱动因素的原始CA-Markov模型获取了2022年湿地格局分布。基于2022年真实分类结果, 利用Kappa系数对改进前后湿地模拟预测结果进行验证。结果表明, 改进的CA-Markov模型预测结果的Kappa系数由0.811提升至0.825, 可以使湿地模拟结果更贴近真实情况, 为后续利用模拟结果和真实结果探究互花米草治理工作生态效益提供数据支撑。基于此, 利用改进的CA-Markov模型模拟了自然发展情景下2023年湿地格局分布情况。图 6为湿地模拟预测结果。

3.3 模拟/真实情景下湿地覆盖变化

2020—2023年间, 黄河三角洲湿地利用变化(图 7)可划分为两个阶段：2020—2022年湿地属于自然发展阶段, 整体变化趋势相对稳定。在三种典型滨海盐沼植被中, 柽柳相对保持稳定, 而互花米草面积变化显著, 2020年研究区域内互花米草的面积为45.94km², 仅约占研究区面积的4%。随后, 互花米草呈现出明显的蔓延趋势, 其覆盖面积不断增加, 2022年已经达到了60.89km², 占比提升了3%。尽管芦苇的覆盖面积相对稳定, 但由于其在新生成的陆地中扩散能力低于互花米草, 其面积变化较小, 互花米草在沿海区域展现了明显的生存优势。其他地物中, 受黄河上游泥沙冲击影响, 河口处不断生成新的陆地, 研究区内水体面积减少了3.65km², 滩涂面积相对稳定, 农田面积有所减小。2023年进入人工清理阶段, 大规模的互花米草清理工作展开, 湿地的格局发生了明显的变化。互花米草的面积显著锐减至5.53km², 与2022年相比降低了55.36km², 先前位于河口两侧海岸线的互花米草基本被清除, 仅在内陆区域留有少量残余。

通过分析模拟和真实分类结果可知, 现阶段人工治理后原互花米草分布区域大部分暂为滩涂, 滩涂面积比模拟情景下增加了72.43km²。芦苇作为生长环境与互花米草类似的植被, 过去受互花米草入侵最为严重, 但由于互花米草被清除, 芦苇的生存空间进一步扩张, 其面积与模拟情景下相比上升了16.37km²。

为深入探究互花米草治理后湿地利用格局与治理前的差异, 使用转移矩阵分析模拟和真实情景下地物类型变化。根据2022—2023模拟情景下(表 6)和2022—2023年真实情景下(表 7)的湿地地物转移矩阵结果可知, 互花米草的治理除了对互花米草和滩涂造成了直接影响外, 对其它地物之间的土地利用类型转移也产生了间接影响, 例如在实际分类结果中, 稳定存在的芦苇和柽柳面积比预计的减小了较多。由于外观的相似性, 互花米草清理过程中的确对出现了芦苇错误清除的现象, 因此芦苇向滩涂转换的面积远大于自然情景下模拟预测的面积。然而, 芦苇和柽柳的总面积不降反升, 这表明互花米草被清理后, 本土植被的理想生存空间变大, 促进了其它地物向本土植被的转移, 说明短期内互花米草清理工作对本土植被造成的负面影响已基本修复。

3.4 互花米草治理对本土盐沼植被生态效益

图 8显示了模拟和真实情景下三种盐沼植被的景观格局指数, 结合模拟和真实情景下湿地利用格局的放大细节(图 9, 放大位置在图 5的2023年分类结果中标注)可知, 随着清理工作的大规模展开, 多处预计大面积分布的互花米草已被完全清除, 相较模拟情景, 真实情景下的互花米草的聚合度指数增加了1.688；其余少量残存的互花米草琐碎分布在黄河入海口两岸滩涂；在没有了高密度互花米草造成的“围栏”后, 本土植被的连通性得到恢复, 并在新生成的滩涂上开始分散出现, 分布更加离散琐碎, 这也导致芦苇和柽柳的聚合度指数与模拟情景相比分别降低了1.711和2.913, 随着理想生存空间的扩大, 本土植被面积继续扩增的几率变得更高。与模拟结果相比, 芦苇的最大斑块面积指数增加了1.014, 而互花米草最大斑块面积指数远低于模拟结果, 表明随着互花米草清理工作的展开, 本土植被在研究区内的景观优势增强；模拟情景下, 互花米草在区域内面积占比极高, 明显压缩本土植被生长空间, 而在真实情景下, 芦苇和柽柳已成为区域内主要分布植被, 面积占比大于残存的互花米草, 湿地的优势植被类型再次逐渐向本土植被过渡。真实情景下互花米草的斑块密度和景观形状指数显著小于模拟结果, 而芦苇的斑块密度和景观形状指数分别增加了2.653和16.294, 明显大于模拟结果, 这与聚合度指数表现出的结果相符, 即残存的互花米草分布范围变得更小, 位置更集中, 而在互花米草清理后, 芦苇的分布比自然发展情景下更加破碎, 并且开始在互花米草被清理后的滩涂上零散出现, 生存空间更大。

总体而言, 互花米草清理工作显著改善了湿地生态系统的健康状况, 通过促进本土植被的恢复和扩张, 为本土植被带来了积极的生态效益, 本土植被的生存空间变得更加理想。湿地植被的多样性和景观优势得到恢复, 随着互花米草的清除, 本土植被类型成为优势植被, 未来黄河三角洲湿地生态系统将逐渐向更稳定的状态演变。为实现湿地生态系统的长期恢复和稳定发展, 建议加强定期监测和管理措施, 以确保清理效果持续, 并采取适当措施促进本土植被的健康生长。

4 潜在风险分析

通过分类结果可知, 目前湿地仍有少量残存的互花米草。互花米草对气候和环境条件适应性较强, 具备强繁殖力、强耐盐性、强耐淹性^[45], 且具有一系列有利于种群增长和扩散的机制, 可依靠种子、根状茎和无性繁殖体片段进行快速增殖^[46—47], 清理过程中遗漏的种子和根茎均会造成一定的互花米草复萌风险。此外, 绘制南北两侧各一个典型区域的互花米草清理前(2020—2022年)滩涂及水体向互花米草及芦苇转换的转移空间分布图(图 10, 位置在图 5的2022年分类结果中标注), 并计算转移矩阵(表 8)。2020—2022年间, 北侧区域共有0.286km²水体和0.212km²滩涂转换为互花米草, 而仅有0.145km²水体和0.041km²滩涂转换为芦苇；南侧区域水体向芦苇转换的面积略高于互花米草, 但滩涂向互花米草转换面积达到了1.551km², 大于芦苇的0.921km²。总体而言, 互花米草在滩涂以及由水体新生成滩涂上的扩张能力明显强于芦苇, 当外在环境条件未被改变时, 少量残存的互花米草仍然可能在合适的生态环境中二次扩散, 尽管残存的互花米草面积较小, 但这种不对称性竞争优势会迅速导致本土盐沼植被的分布面积再次大量减少。

此外, 互花米草最初引入的目的是保滩护岸, 以保护滩涂淤泥区域和维护海岸线的稳定性^[48—49]。对于海岸潮间地带, 受海浪冲击和海平面上升的影响, 沿海滩涂区域面临不断减少的风险。通过对分类结果水陆二值化, 快速提取了2020—2023年海岸线变化, 并用数字海岸线分析系统(Digital Shoreline Analysis System, DSAS)对两个区域的海岸线偏移结果进行量化(图 11)。对存在和不存在互花米草的两个典型区域放大显示, 在大量分布互花米草的湿地北侧, 2020—2022年海岸线非常稳定, 而在2023年互花米草被清除后, 海岸线呈现轻微的内移趋势。相反, 在互花米草几乎无分布的湿地南侧, 海岸线动态变化显著, 逐年向内陆移动。北侧区域海岸线平均终点变化速率(End Point Rate, EPR)和线性回归速率(Linear Regression Rate, LRR)仅为2.24m和2.74m, 而南侧区域平均EPR和LRR分别达到了46.63m和42.87m, 与常年沿岸大量分布互花米草的湿地北侧相比, 无互花米草分布的南侧海岸线受海水侵蚀严重。互花米草尽管作为入侵物种对湿地其他植被造成了一定的入侵危害, 但在保滩护岸方面仍存在积极的作用。在沿岸的互花米草被大量清除后, 湿地海岸线存在较大的海水侵蚀风险。

5 结论与建议 5.1 结论

在黄河三角洲湿地互花米草清理工作大规模展开的背景下, 本研究通过对比模拟的自然发展情景下与人工大规模清理互花米草后的实际情景下的黄河三角洲湿地差异的策略, 分析互花米草清理工作为湿地生态格局及本土植被带来的影响。主要结论如下：

(1) 互花米草清理效果显著。根据研究结果, 2020—2022年黄河三角洲湿地的互花米草始终呈扩增趋势, 且面积占比逐渐升高。通过人工治理, 2023年互花米草的面积显著锐减至5.53km², 与2022年相比, 其面积减少了55.36km²。位于海岸线沿岸的互花米草现已基本被清除, 仅存在少量互花米草小范围分布在黄河入海口两侧的内陆区域。

(2) 本土植被生存空间更加理想。在2023年大规模清理互花米草后, 高密度的互花米草“围栏”被突破。相较模拟情景, 互花米草清理工作明显促进了其它地物向本土植被的转移, 其中芦苇面积比模拟情景下增加了16.37km²。互花米草清理后芦苇和柽柳的AI值比自然发展情景下分别降低了1.711和2.913, 且LPI、PD和LSI均高于自然发展情景, 本土植被的景观连通性以及在互花米草被清除后形成的大面积滩涂上的生存几率均有所上升, 湿地的优势植被类型逐渐向本土植被转换。

综合而言, 目前互花米草严重入侵的问题已基本得到解决, 湿地格局朝更加合理化发展。互花米草清理工作为湿地生态系统带来了显著改善, 使得本土植被得以恢复生长, 理想生存空间扩大。本研究突出了互花米草清理工作在黄河三角洲湿地生态系统恢复和管理中的重要性, 也验证了目前通过人工干预来控制入侵物种扩张及促进本土植被恢复和生态系统健康发展的可行性。同时, 通过本研究可以定量化获取互花米草清理所带来的生态效益, 优化未来湿地管理的重点方向。然而, 湿地生态修复工作并非止步于此, 如何在清理后的滩涂上实现生态修复、促进湿地生态系统的持续健康发展仍是未来的重点工作。

5.2 建议

根据山东黄河三角洲国家级自然保护区2024年最新部署的10个方面重点工作, 重要计划之一是开展湿地生态修复, 持续维护治理、跟踪监测互花米草综合防治区, 并确定盐地碱蓬修复计划。通过本文研究, 互花米草对于滩涂的侵占能力远高于本土植被, 在外界环境条件不变的情况下, 残余的少数互花米草后续仍有二次蔓延几率。因此, 后续湿地治理过程中仍需定期循环监测治理区域, 避免互花米草的二次侵占, 为碱蓬的种植与修复提供安全可靠的生存环境。

在黄河三角洲国家级自然保护区最新部署的工作计划中提出了建设“天空地海一体化”监测体系概念, 本文利用遥感影像有效探究了互花米草清理工作对黄河三角洲湿地利用及景观格局的影响, 虽然遥感影像监测结果存在一定误差, 但其宽刈幅、高精度、低成本的优势, 可为黄河三角洲湿地动态变化的快速获取与分析提供协助, 应将利用遥感数据进行湿地监测纳入“天空地海一体化”监测体系中。

2017年, 中央全面深化改革领导小组第二十九次会议审议通过了《海岸线保护与利用管理办法》, 强调“坚持保护优先, 严格保护自然岸线”。互花米草具有根系发达、茎秆坚韧, 具备防风抗倒伏的特点, 结合本文研究结果, 互花米草可有效抵御海水侵蚀, 维护海岸线稳定。在黄河三角洲海岸沿岸的互花米草被大量清除的情况下, 黄河三角洲湿地海岸线存在被海水侵蚀的风险。而碱蓬由于植株矮小, 稳定性相对较弱, 后续工作中应在海岸沿线加种更具备保滩护岸效果的本土植被, 稳固海岸线。